Elbow Method for Optimal Cluster Number
Az alapötlet az, hogy ahogy klasztereket adunk egy adathalmazhoz, a WCSS csökken, mert minden pont hozzárendelhető egy közelebbi centroidhoz. Kezdetben a klaszterek hozzáadása jelentős javulást eredményez (meredek csökkenés), de végül a javulás ellaposodik. Az ugrás azt a pontot jelenti, ahol további klaszterek csökkenő megtérülést biztosítanak. Ez egy vizuális, adatvezérelt megközelítés a modell egyszerűsége és a illeszkedés minősége közötti egyensúly megtalálására, külső validációs címkék nélkül.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Series in Statistics. link ↗
- Thorndike, R. L. (1953). Who belongs in the family? Psychometrika, 18(4), 267-276. DOI: 10.1007/BF02289263 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Elbow Method for Optimal Cluster Number. ScholarGate. https://scholargate.app/hu/model-evaluation/elbow-method
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Calinski-Harabasz-indexModellértékelés↔ compare
- Davies-Bouldin IndexModellértékelés↔ compare
- A Gap Statistic (rés statisztika)Modellértékelés↔ compare
- InerciaModellértékelés↔ compare
- Silhouette pontszámModellértékelés↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →